python 爬虫 实现增量去重和定时爬取实例
184 浏览量
2020-09-17
19:49:15
上传
评论 1
收藏 42KB PDF 举报
python 爬虫爬虫 实现增量去重和定时爬取实例实现增量去重和定时爬取实例
今天小编就为大家分享一篇python 爬虫 实现增量去重和定时爬取实例，具有很好的参考价值，希望对大家有所
帮助。一起跟随小编过来看看吧
前言： 在爬虫过程中，我们可能需要重复的爬取同一个网站，为了避免重复的数据存入我们的数据库中 通过实现增量去重 去
解决这一问题 本文还针对了那些需要实时更新的网站 增加了一个定时爬取的功能；
本文作者同开源中国（殊途同归_）；
解决思路：解决思路：
1.获取目标url
2.解析网页
3.存入数据库（增量去重）
4.异常处理
5.实时更新（定时爬取）
下面为数据库的配置下面为数据库的配置 mysql_congif.py：：
import pymysql
def insert_db(db_table, issue, time_str, num_code):
host = '127.0.0.1'
user = 'root'
password = 'root'
port = 3306
db = 'lottery'
data_base = pymysql.connect(host=host, user=user, password=password, port=port, db=db)
cursor = data_base.cursor()
try:
sql = "INSERT INTO %s VALUES ('%s','%s','%s')" % (db_table, issue, time_str, num_code)
cursor.execute(sql)
data_base.commit()
except ValueError as e:
print(e)
data_base.rollback()
finally:
cursor.close()
data_base.close()
def select_db(issue, db_table):
host = '127.0.0.1'
user = 'root'
password = 'root'
port = 3306
db = 'lottery'
data_base = pymysql.connect(host=host, user=user, password=password, port=port, db=db)
cursor = data_base.cursor()
try:
sql = "SELECT '%s' FROM %s " % (issue, db_table)
cursor.execute(sql)
data_base.commit()
except ValueError as e:
print(e)
data_base.rollback()
finally:
return issue
接下来是主要代码接下来是主要代码 test.py：：
# 使用bs4进行网页解析
# 实现了增量去重
# 实现了定时爬取
import datetime
import time
from bs4 import BeautifulSoup
import requests
资源评论
